У роботі досліджено моделі та методи визначення хвороб винограду із використанням сучасних методів штучного інтелекту. Проаналізовано відомі методології класифікації та розпізнавання за зображеннями хвороб винограду з використання нейронних мереж. Виділено низку проблем щодо покращення результатів розпізнавання.
В роботі досліджено проблему передбачення зміни станів користувачів (зокрема відтоку) на основі сесійних даних із використанням глибинних нейронних мереж. Було розглянуто застосування моделей довгої короткочасної пам’яті та згорткових нейронних мереж, а також використання кодування пар байтів для попереднього опрацювання даних. Проведено аналіз функціоналу розробленої інформаційної системи для прогнозування зміни стану користувачів та інтерпретації моделей прогнозування, яка поєднує методи аналізу даних, побудови прогнозних моделей та пояснення отриманих результатів.
Виявлення та ідентифікація включень при моделюванні стаціонарних процесів є важливою задачею в багатьох технічних галузях, зокрема, матеріалознавстві, електроніці та неруйнівному контролі. Наявність включень може впливати на механічні, теплові та електричні властивості матеріалу, а тому точність визначення їхніх геометричних та фізичних характеристик є важливою. Використання сучасних чисельних методів та методів глибинного навчання відкриває нові можливості для покращення ефективності та точності прогнозування результатів.
Наведено порівняльний аналіз сучасних методів суперроздільної здатності (Super Resolution, SR), що підвищують точність розпізнавання облич у системах відеоспостереження. Низька якість зображень, отриманих з камер спостереження, є значною перешкодою для ефективної ідентифікації осіб, що робить застосування SR-методів особливо актуальним.
Проблема побудови системи розпізнавання обличчя стикається з численними викликами, такими як зміни освітлення, пози і вирази обличчя. Основні етапи цього процесу включають виявлення, вирівнювання, виділення ознак та представлення обличчя. Кожен з цих етапів має критичне значення для досягнення точної ідентифікації.
Розроблено модифіковану модель нейронної мережі на базі Yolo V5 та здійснено порівняння метрик якості класифікації об’єктів на відеозображеннях, побудованих на основі базових існуючих відомих архітектур нейронних мереж. Розглянуто застосування згорткових нейронних мереж для обробки зображень з камер відеоспостереження з метою розробки оптимізованого алгоритму для виявлення та класифікації об’єктів на відеозображеннях. Зроблено аналіз існуючих моделей та архітектур нейронних мереж для аналізу зображень і здійснено їх порівняння.
У статті досліджується використання згорткових нейронних мереж (CNN) у процесі діагностики та ідентифікації хвороб та шкідників рослин. Розглянуто різні методи діагностики хвороб рослин, особливості наборів даних, а також проблеми, що існують у даному напрямку досліджень. У статті обговорюється п'ятикрокова методологія для визначення хвороб рослин, включаючи збір даних, попередню обробку, сегментацію, виділення ознак та класифікацію.